上海亚洲动力传动展了解到，滚动轴承是带有旋转元件的自动化机械中必不可少的部件。它们有多种形状和尺寸，但本质上旨在承载负载，同时最大限度地减少摩擦。通常，该设计由两个由滚动元件(球或滚子)隔开的环组成。环可以旋转，可以相对于彼此旋转，摩擦很小。

　　与其他机器部件一样，轴承最终会因磨损而失效。但由于两个原因，修复缺陷可能令人望而却步：首先，无法接近环，其次，机器停机成本高昂。

　　大阪大学科学与工业研究所和 NTN 下一代研究联盟实验室的科学家报告说，在缺陷进展情况下准确预测轴承剩余使用寿命的能力可以减少不必要的维护程序和过早丢弃的零件，而不会冒故障风险。

　　滚动轴承概述及内圈滚道表面缺陷形状。

　　科学家们开发了一种机器学习方法，该方法结合了卷积神经网络和贝叶斯分层建模来预测滚动轴承的剩余使用寿命。 他们的方法是基于测量的振动谱。

　　上海亚洲动力传动展了解到，科学家们指出，随着轴承内部出现缺陷，其振动幅度开始波动。他们创建了一个频谱图，显示了作为时间函数的不同频率的强度。这些二维图被用来训练卷积神经网络，这是一种用于图像识别和视觉任务的机器学习方法。

　　由于振动特征的不规则波动，预测缺陷进展下滚动轴承的剩余使用寿命曲线通常很困难，第一作者 Masashi Kitai 指出。

　　科学家们使用贝叶斯分层模型来推断参数，包括剩余寿命。这种方法使科学家能够将结果与相关的不确定性一起整合到一组预测中。在测试过程中，该方法将预测剩余使用寿命的误差提高了约32%。

　　基于我们的技术对工业机械进行更有效的维护可能会减少环境负担和经济损失，资深作者福井健一说。

　　科学家们希望未来的算法可以推广到广泛的机械部件上，并为维护计划、效率和安全带来新的工业监控方法。

　　以上就是上海亚洲动力传动展为您带来的精彩内容，如果您想做更深入的了解，欢迎来到我们的展会做现场参观了解，这样对您了解这方面的资讯会有更大的帮助。

　　来源：中国传动网